[發明專利]一種異常數據偵測的特征生成方法及裝置

有效

• 申請號: 202010551266.0
• 申請日: 2020-06-17
• 公開（公告）號: CN111507731B
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 趙博譞
• 申請（專利權）人: 銀聯數據服務有限公司
• 主分類號: G06F16/906
• 分類號: G06F16/906
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 張懷陽

本發明公開了一種異常數據偵測的特征生成方法及裝置，包括：獲取預設時段內的數據集，再分別對預設時段內的數據集中的每行數據進行第一距離分析、密度分析和第二距離分析，得到每行數據對應的第一距離分析評分、密度分析評分和第二距離分析評分，以提高實時性并提高偵測時的偵測效率和偵測穩定性，然后將每行數據對應的第一距離分析評分、密度分析評分和第二距離分析評分進行歸一化處理后，得到數據集中每行數據的新增特征，根據不同的算法對數據輸出不同的結果，得到數據集中每行數據的新增特征，根據新增特征提高對新興欺詐交易模式的識別能力，并能提高新增特征的生成效率，且提升新增特征的輸出綜合結果的穩定性。

技術領域

本發明涉及數據業務領域，尤其涉及一種異常數據偵測的特征生成方法及裝置。

背景技術

在日常生活中，人們或多或少的會辦理信用卡，然而部分不法分子會通過某些手段盜取用卡人的姓名、卡號等相關信息，從而非法的將用卡人的信用卡進行交易，損害了用卡人的合法權益。

為了保護用卡人的合法權益，銀行在交易發起時使用模型針對交易進行判別，當判別為欺詐的交易請求時，直接將當前交易駁回或聯系用卡人請求交易授權。在現有技術中的模型中，需要判別人員結合業務目標和自身積累的實踐經驗，通過某時段的歷史數據中某類交易在數據中的分布情況等信息，推斷預測該類交易的特征，即根據判別人員的經驗，通過歷史數據計算交易的特征，然后使用計算后的交易特征對模型進行偵測。

而現有技術存在的問題在于，信用卡欺詐交易的數據量大，導致依靠數據計算得到預測交易的特征效率低。欺詐交易的占比低，導致根據歷史數據確定用于預測交易的特征的信息不足。多變且不斷新興的欺詐交易，導致判別人員不能根據積累的經驗捕捉欺詐交易。

發明內容

本發明實施例提供一種異常數據偵測的特征生成方法及裝置，以提高特征的識別能力，提高特征生成的效率，并輸出穩定的綜合結果。

第一方面，本發明實施例提供一種異常數據偵測的特征生成方法，包括：

獲取預設時段內的數據集；

分別對所述預設時段內的數據集中的每行數據進行第一距離分析、密度分析和第二距離分析，得到所述每行數據對應的第一距離分析評分、密度分析評分和第二距離分析評分；所述第一距離是所述數據集中的數據與異常值評估數據集中的數據之間的距離，所述第二距離是所述數據集中的數據與所述異常值評估數據集的中心數據之間的距離，所述異常值評估數據集是通過所述數據集進行采樣得到的；

將所述每行數據對應的第一距離分析評分、密度分析評分和第二距離分析評分進行歸一化處理后，得到所述數據集中每行數據的新增特征。

上述技術方案中，通過分別對預設時段內的數據集中的每行數據進行第一距離分析、密度分析和第二距離分析，得到每行數據對應的第一距離分析評分、密度分析評分和第二距離分析評分，以對數據中的數據進行實時偵測，提高偵測時的偵測效率和偵測穩定性，然后將每行數據對應的第一距離分析評分、密度分析評分和第二距離分析評分進行歸一化處理后，得到數據集中每行數據的新增特征，根據不同的算法對數據輸出不同的結果，得到數據集中每行數據的新增特征，以此提高新特征的識別能力，提高新特征的生成效率，并增加輸出綜合結果的穩定性。

可選的，所述對所述預設時段內的數據集中的每行數據進行第一距離分析得到所述每行數據的第一距離分析評分，包括：

對所述預設時段內的數據集進行第一預設數量的采樣，得到第一預設數量的第一異常值評估數據集；

確定出所述數據集中每行數據與每個第一異常值評估數據集中的每行數據之間的數據距離；

根據所述數據集中每行數據與每個第一異常值評估數據集中的每行數據之間的數據距離，確定出所述數據集中每行數據對應每個第一異常值評估數據集的評分；